This course was created with the
course builder. Create your online course today.
Start now
Create your course
with
Autoplay
Autocomplete
Previous Lesson
Complete and Continue
Curso Completo de Data Science en Python Desde Cero
Introduccion e Instalacion
SP - 1.Instalar Anaconda (3:42)
SP - 2.Jupyter Notebook Interfaz (10:19)
SP - 3.Tipo y Modos de Celda (9:51)
SP - 4.Atajos (5:34)
Leer esto antes de comenzar (Scripts+Formulario para el curso)
Introduccion a Python (Opcional)
Opcional: Introducción a Python
SP - 1.Hola Mundo (3:45)
SP - 2.Tipos de datos (8:36)
SP - 3.Variables (8:19)
SP - 4.Listas (30:05)
SP - 5.Diccionarios (13:52)
SP - 6.Condicional If (10:39)
SP - 7.Bucle For (10:28)
SP - 8.Funciones (8:05)
SP - 9.Modulos (4:16)
Intro a Pandas y Numpy
Revisión de esta Sección
SP - 0.Introduccion a Pandas (8:30)
SP - 1.Creando un dataframe (18:03)
SP - 2.Mostrando un dataframe (7:54)
SP - 3.Atributos, Metodos y Funciones Basicas (13:43)
SP - 4.Seleccionar 1 columna de un dataframe (7:13)
SP - 5.Seleccionar 2 o mas columnas de un dataframe (5:14)
SP - 6.Agregar una nueva columna al dataframe (12:54)
SP - 6.Agregar nueva columna con assign() e insert() (7:33)
SP - 7.Operaciones en Dataframes (9:24)
SP - 8.El metodo value_counts() (5:14)
SP - 9.Ordenar un Dataframe con sort_values() (10:55)
SP - 10.Los metodos set_index() y sort_index() (7:29)
SP - 11.Renombrar Columnas e Index con rename() (5:38)
Ejercicio para esta Sección
Proyecto 1 - Web Scraping Básico con Pandas
SP - 1.Proyecto 1 - Web Scraping con Pandas (8:57)
SP - 2.Proyecto 1 - Web Scraping con Pandas (23:31)
SP - 3.Proyecto 1 - Web Scraping con Pandas (16:03)
Filtrar Datos
SP - 1.Filtrar un Dataframe Basado en 1 Condicion (15:47)
SP - 2.Crear una columna condicional con 2 opciones np.where() (12:47)
SP - 3.Filtrar un Dataframe Basado en 2 o Mas Condiciones (14:02)
SP - 4.Crear columna condicional con 2 o mas opciones np.select() (13:33)
SP - 5.El metodo .isin() (8:33)
SP - 6.Encontrar filas duplicadas con el metodo .duplicated() (22:56)
SP - 7.Eliminar elementos duplicados con el metodo .drop_duplicates() (10:56)
SP - 8.Obtener y contar valores unicos con el metodo unique() y nunique() (4:19)
Extraccion de Datos
SP - 0.Metodo loc() vs iloc() (6:55)
SP - 1.El dataset a usar, fijar index y seleccionar columnas (5:40)
SP - 2.Seleccionar elementos por nombre del index con .loc() (21:24)
SP - 3.Seleccionar elementos por posición de index con .iloc() (15:42)
SP - 4.Fijar Nuevo Valor Para una Celda Dentro de un Dataframe (10:47)
SP - 5.Eliminar filas y columnas de un dataframe (9:59)
SP - 6.Crear muestra aleatoria con el metodo sample() (7:47)
SP - 7.Filtrar un dataframe con el metodo query() (12:10)
SP - 8.El metodo apply() (8:04)
SP - 9. Funcion Lambda + Metodo apply() (16:15)
SP - 10.Hacer una copia a un dataframe con el metodo copy() (7:25)
Tablas Pivote
SP - 1.Introduccion a Tablas Pivote en Pandas (5:57)
SP - 2.pivot() (8:10)
SP - 3.pivot_table() (10:51)
Projecto 2: Visualizacion de Datos Estatica y Dinamica
Revisión del Proyecto (+Ejercicio)
SP - 1.Revision al Dataset y Haciendo Tabla Pivote (11:18)
SP - 2 Lineplot (Grafico de Linea) (4:55)
SP - 3 Barplot (Grafico de Barra) (8:49)
SP - 4.Piechart (3:40)
SP - 5.Boxplot (4:18)
SP - 6.Histograma (1:48)
SP - 7.Scatterplot (Gráfico de dispersión) (4:39)
SP - 8.Guardar Plot y Exportar Tabla Pivote (3:27)
SP - 9.Gráficos Interactivos en Python con Pandas (32:23)
GroupBy y Funcion Agregada
SP - 1.Revisión del Dataset (6:07)
SP - 2.Metodo .agg() (15:49)
SP - 3.La estrategia Split-Apply-Combine (7:27)
SP - 4.El metodo groupby() (12:52)
SP - 5.Groupby() y agg() (13:02)
SP - 6.Lambda (9:04)
SP - 7.El metodo filter() (8:34)
Merge y Concatenar DataFrames
SP - 1.Revision al Dataset (6:39)
SP - 2.pd.concat() vertical (12:17)
SP - 3.pd.concat() horizontal (11:53)
SP - 4.Inner Join en Pandas (12:47)
SP - 5.Full Join (19:14)
SP - 6.Left Join (25:16)
Expresiones Regulares (Regex)
Revisión de esta Sección
1.Metacaracteres y Flags (17:16)
2.Cuantificadores (Expresiones Codiciosas.y Peresozas) (10:47)
3.Mas Metacaracteres (13:14)
4.Ejercicios (+Flags) (9:56)
Proyecto 3 - Limpieza de Datos
SP - 1.Revision del Dataset (4:26)
SP - 2.Identificar data faltante con el método isnull() (10:12)
SP - 3.Manejar Data Faltante: Eliminar columna o fila con .drop, .dropna or .isnull (13:56)
SP - 4.Manejar Data Faltante: Reemplazar NaN por media, mediana o moda con .fillna() (13:22)
SP - 5.Extraer data con split() y extract() y cambiar el tipo de data con astype() (18:44)
SP - 6.Cómo identificar y manejar valores atípicos (20:48)
SP - 7.Manejar inconsistencia en mayusculas y minusculas lower(), upper(), title() (4:40)
SP - 8.Eliminar espacios en blanco con strip(), lstrip() y rstrip() (6:21)
SP - 9.Remplazar cadenas de texto con replace() o sub() (9:59)
Machine Learning con Python
Revisión de esta Sección
SP - 1.Revisión del Dataset (2:13)
SP - 2.Regresion Lineal (4:42)
SP - 3.Regresión Lineal con StatsModels - Regresión Lineal Simple (14:02)
SP - 4.Regresión Lineal con StatsModels - Regresión Lineal Multiple (4:12)
SP - 5.Regresión Lineal con sklearn (5:04)
Proyecto 4 - Clasificacion de Texto con scikit-learn
1.El dataset, selección de una muestra y el problema a resolver (6:49)
2.Clases Desbalanceadas - Undersampling y Oversampling (6:12)
3.Dividir la data en Data de Entrenamiento y Data de Testeo (4:24)
4.Representación de Texto con Bag of Words: CountVectorizer y TF-IDF (9:52)
5.Convertir data de texto a vectores numéricos (9:15)
6.Selección de Modelo: Tipos de algoritmos de machine learning para el proyecto (3:36)
7.Support Vector Machines (SVM) (4:36)
8.Arbol de Decision (1:21)
9.Naive Bayes y Regresión Logística (2:16)
10.Evaluación de Modelos - Mean Accuracy (Precisión) (5:05)
11.Evaluación de Modelos - F1 Score (6:42)
12.Evaluación de Modelos - Reporte de Clasificación (4:39)
13.Evaluación de Modelos - Confusion Matrix (3:59)
14.Optimizar el Modelo - GridSearchCV (6:15)
¡Felicidades!
SP - 3.pd.concat() horizontal
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock